Latent structureVariable Selection
רגרסיה עם עונש SCAD
SCAD (Smoothly Clipped Absolute Deviation) היא שיטת בחירת משתנים ורגולריזציה שפותחה על ידי Fan ו-Li (2001) המתמודדת עם מגבלות של עונש L1 (lasso). SCAD משתמשת בעונש לא קעור (non-concave) המבצע בחירת משתנים באופן אוטומטי תוך שמירה על תכונות אורקל (oracle properties): היא משחזרת את המודל האמיתי הבסיסי כאילו המנבאים האמיתיים היו ידועים מראש.
פתיחה ב-MethodMindבקרובApply, compare, get guidance
Tools & resources
Learn & explore
וידאובקרוב
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
מפת שיטות
סביבת השיטות הקרובות — בחרו צומת כדי לחקור.
מקורות
- Fan, J., & Li, R. (2001). Variable selection via nonconcave penalized likelihood and its oracle properties. Journal of the American Statistical Association, 96(456), 1348-1360. DOI: 10.1198/016214501753382273 ↗
- Zou, H., & Li, R. (2008). One-step sparse estimates in nonconcave penalized likelihood models. Annals of Statistics, 36(4), 1509-1533. DOI: 10.1214/009053607000000802 ↗
- Wang, H., Li, G., & Tsai, C. L. (2007). Regression coefficient and autoregressive order shrinkage and selection via the lasso. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 69(1), 63-78. DOI: 10.1111/j.1467-9868.2007.00577.x ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Smoothly Clipped Absolute Deviation Penalized Regression. ScholarGate. https://scholargate.app/he/psychometrics/scad-penalized-regression
איזו שיטה?
הציבו שיטה זו לצד קרובותיה הקרובות וקראו אותן זו לצד זו — הספרייה מניחה את הספרים על השולחן; הבחירה בידיכם.
- מודל מבנה גורמים חקרניפסיכומטריה↔ השוואה
- MCP רגרסיה עם עונש (MCP Penalized Regression)פסיכומטריה↔ השוואה
- ניתוח גורמים מרובהפסיכומטריה↔ השוואה
- מודל משוואות מבניות של ריבועים פחותים חלקייםפסיכומטריה↔ השוואה
- ניתוח יתירותפסיכומטריה↔ השוואה